“雙碳”目標實現的省域實踐: 以浙江為例

李清瑤,張 勇①,胡民泉,俞 潔

(1.中國計量大學經濟與管理學院,浙江 杭州 310018;2.南京理工大學理學院,江蘇 南京 210094)

改革開放以來,受中國化石能源需求井噴式增長的驅動,碳排放總量呈現快速增長趨勢,溫室氣體排放結構性問題也日益嚴峻[1]。為踐行“綠水青山就是金山銀山”的可持續發展戰略,在完成減污降碳環境目標的基礎上探索高質量發展路徑,實現黨的二十大提出的廣泛形成綠色生產生活方式、碳排放達峰后穩中有降、美麗中國目標基本實現的使命,要以供給側結構性改革為主線[2],各省域、各行業需在規定時間內實現綠色低碳發展方式的轉變,明確降碳重點領域和方向,下活減污降碳這盤棋[3]。

低碳發展表象是生態環境問題,核心是能源問題,實質是發展問題。在此背景下,相關學者陸續從不同角度開展碳排放預測及碳達峰時間的相關研究。在區域方面, HAO等[4]基于中國近40 a來碳排放數據構建碳排放動態模型,預測發現人均可支配收入和火力發電的增加將導致碳排放大量增加,且提高可再生能源比重是使我國碳排放在2030年達到峰值的有效途徑,峰值為12.276億t;李莉等[5]基于峰值模型和情景模擬法研究認為,在中低發展模式下新疆地區碳排放將于2025年達到峰值,而在其他發展模式下,由于環境規制的強度較弱,碳達峰出現的時間將會延遲;杜涵蓓等[6]采用Kaya碳排放恒等式和長期能源替代規劃系統模型(LEAP)預測南京市某轄區可于2030年前實現碳達峰目標,且人均生產總值和能源強度是影響主城區碳排放的重要因素。行業層面,LU等[7]采用粒子群優化算法(PSO)和反向傳播神經網絡模型(BP)對中國重化工業碳排放量進行預測,結果表明在預設的緩解情景下,重化工業及其相應子行業的碳排放可以如期實現碳達峰;LI等[8]基于4種不同情景對中國建筑業的碳峰值預測,除去低碳節能情景和技術突破情景,其他情景均無法如期實現碳達峰;蘇釗賢等[9]對黃河流域交通運輸業碳排放驅動因素和碳排放趨勢進行預測,發現交通運輸強度、單位周轉量能耗對碳排放增長起抑制作用,且不同情景下交通運輸碳排放存在明顯差異。

目前,由于選取的計算模型原理不同,容易導致現有研究碳排放預測理論模型的碳排放量被高估或低估。如何將宏觀層面和微觀層面相結合開展區域碳排放核算和預測有待突破。隨機性環境影響評估模型(STIRPAT)由人類對自然環境影響的經濟學方程模型(IPAT)發展而來,主要從宏觀層面描述人類社會系統與自然環境之間的復雜關系,被廣泛應用于碳排放峰值預測研究。而LEAP模型是基于微觀層面的長期能源替代規劃系統模型,該模型在能源政策制定和氣候變化評估中得到廣泛應用。

作為可充分體現中國特色社會主義制度優越性的經濟強省,浙江不僅是共同富裕示范區的典型區域,還存在能源消費大省、能源資源小省的困境。雖然浙江省重污染項目較少,第三產業已占據絕對主導地位,在高質量發展方面具備較好基礎,但也面臨能源消費總量和碳排放總量較高等問題,亟需在明確碳減排重點領域的基礎上制定合理化減排路徑,以平穩實現低碳轉型。因此,該研究采用改進的STIRPAT模型和LEAP模型,基于情景分析法探究浙江省碳排放變化趨勢、主要影響因素、重點減排領域及如期甚至提前實現“雙碳”目標的路徑,為其他省域實現碳達峰碳中和提供參考和借鑒。同時對比現有其他研究,發現存在以下異同:首先,現有研究多聚焦于浙江省“雙碳”目標的減排重點領域,而就減碳路徑的相關研究分析較少,且現有研究大多忽略了數字技術發展對浙江省碳減排的助力;其次,現有研究大多只考慮區域直接碳排放,而忽視了進口電力、煤炭產生的間接碳排放,筆者在探索浙江實現“雙碳”目標的途徑時,不僅考慮了地理邊界內的直接碳排放,還考慮了從浙江省外轉移的電力所造成的間接碳排放;第三,現有研究多采用多元線性回歸方程預測碳排放趨勢,此類模型可能會低估技術進步的減排潛力,從而高估碳排放量。該研究則基于STIRPAT模型和LEAP模型相結合的能源排放模型,研究不同政策情景下浙江省碳排放的未來趨勢,為浙江省碳減排提供更全面、實用的政策建議。

1 研究方法與情景設置

1.1 數據來源

研究根據數據可獲得性以及最新的各類能源和社會經濟規劃的時間范圍,選取2015年作為基期,預測期為2020—2060年,關鍵時間點的選取參考吳唯等[10]的研究,確定為2020、2025、2030和2060年。研究范圍涵蓋浙江省能源的終端消費、輸送以及相關的能源加工轉化部門,相關數據主要包括能源歷史消費數據和情景設置參數。相關歷史數據和變量來源于《浙江省統計年鑒》《浙江自然資源與環境統計年鑒》《中國能源統計年鑒》《中國生態環境統計年報》等,更詳細的現狀數據來自課題組對相關管理部門的調研訪談。此外,能源的碳排放因子源于LEAP模型中的技術和環境數據庫。

1.2 研究方法

1.2.1STIRPAT及其改進模型

作為研究能源經濟和碳排放峰值的重要方法之一,STIRPAT模型能分解各影響因素, 也允許將各系數作為參數進行估計。STIRPAT模型的基本形式如式(1)所示,取式(1)兩側的對數可得到式(2)。

I=aPbAcTd,

(1)

lnI=lna+blnP+clnA+dlnT。

(2)

式(1)～(2)中,I為環境負荷;P、A和T分別為人口規模、經濟富裕程度和技術水平[11];a為常數項;b、c、d分別為P、A、T的指數項。由于不同研究的目的和需求存在差異, 可適當對STIRPAT模型進行改進[12]。目前浙江省碳排放問題在很大程度上是現有能源總量、經濟發展要求和環境承載力難以匹配。在這種情況下,建立一個同時考慮環境、能源和經濟系統指標的擴展STIRPAT模型十分必要。

在能源指標選擇方面,由于浙江省能源轉型具有一次能源清潔化、二次能源電氣化以及能源節約與效率提升的全社會化的特點,借鑒HUANG等[13]相關研究,STIRPAT模型中的能源指標方面選取清潔能源消費比重(E)、電氣化率(R)、能源強度(I)來分別表征能源系統的特征。在經濟系統指標方面,參考SHAFIK等[14]的研究成果,采用人均GDP(A)、外商直接投資(F)、第三產業比重(T)、環境污染治理投資占GDP比重(V)、省域人口數量(P)作為評價指標。2019年10月浙江省入選首批國家數字經濟創新發展試驗區,作為數字經濟發展的領跑者,浙江省始終將數字經濟作為“一號工程”發展[15],因此構建STIRPAT模型中的經濟指標體系時,參考徐維祥等[16]的研究,加入數字技術發展水平(X)。另外,為檢驗二氧化碳庫茲涅茨曲線假說,將人均GDP分解為一次方項、二次方項與三次方項[17]。環境系統的評價指標為浙江省碳排放總量(C)。模型的初步設置如式(3)所示:

lnC=β0+β1lnA+β2lnA2+β3lnA3+β4lnE+β5lnR+β6lnI+β7lnF+β8lnT+β9lnV+β10lnX+β11lnP。

(3)

式(3)中,β1～β11分別為相關變量的彈性系數;β0為常數項。相關參數的實際值變化如圖1所示。

1.2.2 LEAP模型及相關原理

根據浙江省能源生產和消費的特點構建LEAP-Zhejiang模型,該模型主要由終端部門能源需求模塊、加工轉化投入產出模塊和損失模塊構成[18]。終端部門能源消費模塊包括住宅、商業、交通、工業等,加工轉化投入產出模塊包括發電、輸電等的生產和供應,能源輸送損失模塊包括電力、天然氣等輸送損失。這些變量的未來預測數值可在模擬情景中依據《浙江省節能降耗和能源資源優化配置“十四五”規劃》等相關能源政策,結合趨勢外推法和BP神經網絡模型進行預測設定。電力部門能源消費單獨計算。各部門碳排放量可根據能源消耗量和能源碳排放因子計算,具體公式如下:

St=At×Et,

(4)

Si=St×Pi,

(5)

C=∑t∑iSi×Fi。

(6)

式(4)～(6)中,St為t部門終端能源消費量,萬t(以標準煤計);At為t部門活動水平,%;Et為能源強度,包括農業、工業、商業、其他第三產業等終端部門,萬元·t-1(以標準煤計);Si為t部門能源i的終端能源消費量,萬t(以標準煤計);C為碳排放總量,百萬t(以標準煤計),該指標可用物理指標(產品產量等)衡量,也可用經濟指標(工業增加值等)衡量;Pi為t部門i種能源占比,%;Fi為第i種能源的CO2排放因子,t·GJ-1(以CO2計)。

1.3 情景設置

近年來浙江省出臺了一系列能源和環境政策,旨在通過清潔能源消費和提高能源效率來保護環境,相關文件名稱和具體目標如表1所示。在相關政策計劃的推動下,考慮傳統能源結構變化、社會經濟、產業轉型等因素影響,浙江省碳減排政策聚焦內容可概括為6個方面:電力部門大規模開發、可再生能源利用、交通電氣化、能源利用效率提升、終端能源使用部門的部分和綜合電力替代。因此,基于浙江省碳減排政策聚焦點設計6種相關政策情景:基準(BAU)情景、交通電氣化(TE)情景、可再生能源開發(RED)情景、能效提升(EEI)情景、部分電力替代(PES)情景和綜合電力替代(CES)情景,情景內涵和關鍵指標參數在關鍵時間點的數值詳細解釋見表2。參數取值見表3～7。

表1 浙江省主要減排政策及具體目標

表2 各情景內涵詳細解釋

表3 各情景基本指標參數設置

表4 BAU情景指標參數設置

表5 TE情景指標參數設置

表6 EEI情景指標參數設置

表7 RED情景指標參數設置

2 結果與分析

2.1 STIRPAT模型回歸結果

直接對非平穩時間序列數據進行建模易出現偽回歸現象,需要對變量數據的對數進行單位根檢驗[19]。若數據穩定可以進行下一步分析,否則需要進行協整性檢驗。對每個變量進行單位根檢驗后,輸出結果如表8所示。原始變量的平穩性并不存在,僅原始變量lnV平穩,其余變量在經過一階差分后均變為一階單整序列。

表8 單位根檢驗結果

因此,進一步采用Johansen協整檢驗考察非平穩變量的數據(表9)。在顯著性水平為1%時,變量間存在長期協整關系并可用于回歸分析。通過模型(3)所示的STIRPAT模型對各變量進行回歸,發現lnA3和lnP不顯著。去掉lnA3及lnP后的回歸曲線及結果見圖2及表10。

表9 Johansen協整檢驗結果

表10 回歸分析結果

圖2 STIRPAT模型回歸曲線

表10表明,構建的擴展STIRPAT模型R2為0.883,接近于1,即模型精確度較高,方程各變量的顯著性水平良好。變量lnR不顯著,表明目前浙江省電力替代減排效果顯著性尚不明顯。就目前而言,浙江省的電力生產以化石燃料為主,盡管電力替代會通過降低化石燃料的能源消耗從而降低碳排放,但同時會提高對電力的需求,從而通過發電環節造成一定程度的間接碳排放。隨著浙江省可再生清潔能源的快速發展及出臺的一系列減污降碳發展規劃,預計發電的間接碳排放量將繼續下降,電力替代的減排效果將日益突出。變量lnX負向顯著則表明浙江省能源雙碳數智平臺建設在全國屬于領先地位。

將大數據、區塊鏈、人工智能等數智技術與碳達峰碳中和的實踐融合創新,數字技術在傳統產業節能降耗中的應用正逐步強化。產業數字化賦能對碳排放的影響鏈可歸納為數字經濟→傳統產業的數字化賦能→市場整合、企業優勝劣汰→優化企業創新投入和創新績效→高能源利用和碳減排效率→地區碳減排的邏輯鏈。

浙江省數字技術的普惠性主要體現于對省內各行業提供數字支持,如采用智能能源管理系統,利用傳感器和數據分析技術監測建筑物、工廠等的能源使用情況,識別能源浪費和優化能源使用;交通方面運用雙碳數字化能源管理平臺,實現能耗精細化管理,從而避免能源浪費等,即良好的數字創新環境和先進的數字創新水平有助于浙江省充分釋放數字經濟的節能減排效應價值?；貧w結果表明,人均GDP對碳排放增長存在顯著促進作用,人均GDP每增加1%,總碳排放量就會增加約1.823%;環境污染治理投資和清潔能源消費增加則顯著促進浙江省碳減排,環境污染治理投資每增加1%,總碳排放量減少0.772%;清潔能源消費比例每提升1%,總碳排放量減少1.149%。

2.2 不同政策情景下浙江省碳排放預測

圖3～4分別代表了浙江省2015—2060年基于STIRPAT和LEAP-Zhejiang在不同情景下的碳排放總量。將2個模型對2015—2020年碳排放總量預測結果與中國碳核算數據庫(CEADs)進行比較,發現預測結果與實際結果平均誤差率較小。因此,LEAP-Zhejiang模型和擴展的STIRPAT模型的模擬結果可信度較高。

圖3 基于STIRPAT模型預測的2015—2060年浙江省碳排放量

由圖3～4可知,浙江省的碳排放總量從2019到2020年略有下降,主要原因可能是受疫情影響。隨著經濟復蘇,消費和出行增加,浙江省碳排放總量開始反彈。在PES和CES情景下,碳排放將在2025年達到峰值,而在其他4種情景下,碳排放持續增長且不存在峰值。顯然,在TE、RED和EEI這類單一政策情景下,浙江省無法抑制碳排放量的持續攀升,更無法實現碳中和。只有在PES和CES綜合情景下,排放總量才會經歷從上升到下降的過程。因此,在確定降低碳排放方向和路徑方面應綜合考慮多個減排部門而非單一部門。

STIRPAT和LEAP模型在碳排放預測上的數值差距是由模型的特性造成的。STIRPAT模型從宏觀角度研究能源問題,它可能低估技術進步帶來的減排潛力。相比之下,LEAP模型則可能低估技術的局限性,從而高估技術的驅動力。在“雙碳”目標的剛性約束下,各種綠色減排技術有望進步。相比較而言,LEAP-Zhejiang模型的預測結果可能更符合浙江省未來的發展趨勢,故基于LEAP模型對各終端部門的能源使用情況進行預測模擬。由圖4可知,在各項節能減排舉措的綜合作用下,PES和CES情景下浙江省碳達峰時間分別為2024和2025年,達峰總量分別為3.88億和3.70億t。圖5匯總了6種情景下不同終端部門的能源消費總量,其中電力部門能源需求居于首位,其次為工業、交通、商業、居民生活、農業等,且僅有CES和PES情景下能源消費量經歷先上升后下降的過程。

圖4 基于LEAP模型預測的2015—2060年浙江省碳排放量

圖5 基于LEAP模型預測的6種政策情景下浙江省不同部門的能源消費總量

3 討論

3.1 考慮碳泄漏的浙江省碳排放分析

世界資源研究所(WRI)將二氧化碳排放劃分為3個核算范圍:地理邊界內的所有直接排放,即范圍1;地理邊界內購買的非本地電力產生的間接排放,即范圍2;由于本地生產或經濟活動而在外地發生的其他間接排放,即范圍3[27]。目前在碳排放量核算方面普遍運用3種方法:排放因子法、質量平衡法和實測法。前2種方法依據計算規則,能夠反映碳排放發生地直接燃燒所產生的溫室氣體排放以及因購買能源產生的溫室氣體的實際排放量,即可通過排放因子法和質量平衡法核算獲得區域范圍1和范圍2的碳排放量。實測法則基于排放源的實測基礎數據,包括現場測量與非現場測量2種方式,此方法可對范圍3的碳排放進行精確核算。然而,鑒于實測工作裝置設備成本高昂且工作量大,大部分企業缺乏相關配置,數據可得性難以實現,因此在范圍3碳排放的統計方面存在困難。

目前已有相關研究多數采用排放因子法和質量平衡法對區域碳排放進行詳細核算,核算方法成熟度較高[28]。為彌補現有研究大多未考慮范圍2碳泄漏量的不足,研究擬考慮浙江省范圍2碳泄漏量的核算,相關數據主要來源于中國碳核算數據庫、《中國能源統計年鑒》《中國電力統計年鑒》等?，F有研究普遍采用排放因子法和質量平衡法對區域內范圍1的碳排放進行核算。雖然浙江省尚未出臺二氧化碳排放核算標準,但可參考自2021年1月1日施行的《北京市地方標準:二氧化碳排放核算與報告要求》,依據該標準提供的外購熱力、電力引起碳排放量(Ch)的計算公式,進而計算出浙江省范圍2的碳排放(Ce)。

Ch=Dh×Fh,

(7)

Ce=De×Fe。

(8)

式(7)～(8)中,Dh為外購熱力,GJ;De為電力量,MWh;Fh和Fe分別為兩者的碳排放系數,其值分別為0.11 t·GJ-1和0.604 t·MWh-1(以CO2計)。

通過上述2個公式可計算出2020年浙江省進口熱力及電力產生的間接碳排放量約為91萬和4 262萬t。與進口電力的間接碳排放相比,進口熱力的間接碳排放較小,且浙江發布的《2021年度全省電量平衡表》中計劃外購電量1 840億 kWh,占全社會用電量的35%,因此需重點研究外購電力的碳泄漏問題?；凇墩憬】稍偕茉窗l展“十四五”規劃》《浙江省能源發展“十四五”規劃》等,結合STIRPAT模型、人工神經網絡(ANN)和LEAP模型,構建外購電的定量預測模型、邏輯思維圖及神經網絡多元函數擬合預測模型圖(圖6～7)[29]。

圖6 外購可再生能源電力規模邏輯圖

圖7 神經網絡多元函數擬合預測模型

在STIRPAT模型中結合3.1和3.2節相關內容分析,將人口、GDP、第三產業比重等影響變量作為輸入層,用來構建外購電量預測模型,外購電規模作為輸出層。由于設定的6種情景外購電需求不同,且外購電對不同情景中的主要變量影響也不同,因此在預測模型架構中設置隱藏層,以更有效地代表不同情景外購電需求規模。外購電規模對不同情景的具體影響如表11所示。

表11 在外購綠色電力影響下各情景相關變化

結合預測的6種不同情景外購電規模和式(8),得出不同情景下浙江省碳排放的變化(圖8)?？紤]外購電力引起碳泄漏時BAU場景下浙江省碳排放會顯著上升,說明直接碳排放核算方法大大低估了電力進口省份碳排放量而高估了電力出口省份碳排放量。此外,考慮外購電時浙江省碳排放的變化趨勢在不同情景下也不同。在PES和CES情景下,浙江省碳排放量將分別在2025和2026年達到峰值。

圖8 考慮碳泄漏的浙江省碳排放預測

已有研究表明,外購電是緩解當地用電壓力的重要措施,但一般外購電引起的碳排放易被忽視[30]。為進一步研究外購電力結構對浙江省碳排放的影響,參照HUANG等[13]的方法,模擬不同比例下綠色外購電碳排放總量,結果如圖9所示。隨著進口電力中可再生能源比例的增加,且當該比例大于60%時,CES情景下的碳排放量與PES情景差距不明顯。2020年浙江省外購電力中可再生能源的比例僅為14.2%,遠低于60%,這表明考慮間接碳排放產生的影響時,可再生能源在外購電力中的比例將對浙江省碳減排的政策制定和降碳路徑產生重大影響,即減排政策既和浙江省本身產業結構緊密相關,也和外購電出口省份可再生能源發電占比息息相關。

圖9 不同可再生能源進口比例下的浙江省碳排放量預測

3.2 碳中和路徑分析

當考慮碳泄漏和能源經濟發展的慣性時,不建議采取CES情景下的碳減排政策,原因如下:首先,2020年浙江省外購電占全社會用電量比例近4成,CES情景下的綜合電力替代預計將進一步提高電力需求,導致外購電占比份額進一步增加,將對省電網的可靠性和穩定性構成巨大挑戰。且已有研究表明,電力需求的急遽提升對電網安全和成本疏導等因素要求極高,需要建設更加堅強、智能的電力配套設施,也將助推輸配外購電、用電成本的增加[31]。其次,由于中國電力系統以煤電為主,2020年浙江省進口電力中可再生能源的比例僅為14.2%。隨著電力進口的增加,相應電力出口省份產生更多碳排放,碳排放負外部性更加強烈。

自“雙碳”目標提出以來,中國五大電力公司分別發布實現“雙碳”目標的行動方案,例如中國華電集團將于2025年實現清潔能源發電裝機占比60%;中國華能集團和國家電力投資集團的綠色電力裝機目標都是達到75%,其他發電集團計劃于2035年實現清潔能源裝機比達70%。若其他電力企業據此效仿,預計2030—2035年浙江省外購電中可再生能源的比例將達到60%?？尚械奶紲p排路徑下的碳排放量如圖10所示,其中OPQR區域是浙江省一組可行的碳中和路徑,基于2030年可再生能源在進口電力中的比例達到60%的假設,OP可定義為最積極的碳中和途徑,曲線RQ是較為謹慎的碳中和路徑。若可再生能源在進口電力中的比例到2035年達60%,其總碳排放量如圖11所示。

圖10 范圍1中可行的碳中和途徑及其碳排放

圖11 主動及謹慎碳中和途徑及其范圍1、2中的碳排放

CES與PES情景碳中和路徑中碳泄漏量表現為四邊形DEFG和ABDC,兩者差距較小。由于合適的減碳方案對降低浙江省碳泄漏起著重要作用,同時考慮到CES情境下減碳路徑成本高昂,當存在碳預算約束且CES情景下減碳路徑及PES情景下減碳路徑兩者之間的碳泄漏差異不大時,后者方案可能更加適合實施。相關學者認為受國家可再生能源財政補貼政策調整影響,浙江省將面臨用能成本上升的新挑戰[32]。目前電力生產供應是浙江省最大的碳排放源,需電力部門實現低碳甚至完全脫碳[33]。由于風電、光伏項目落地難,核電建設周期長且存在鄰避效應,新型電力系統尚未建立等原因,尤其加上俄烏危機沖擊,可再生能源難以成為能源供應的主力。因此浙江省應立足能源資源稟賦,發展可再生能源和提升能效,而擴大外購電利用,通過調整外購電電力結構是可行的過渡選擇。由此可以得出以下結論:浙江省應從PES情景開始,努力于2025年達到碳排放峰值,根據外購電力中可再生能源的比例,采取謹慎的碳中和路徑向CES情景過渡,并最終通過各終端能源消費部門實現低碳轉型,發揮數字技術在低碳治理中的作用,結合碳捕捉和碳封存等低碳技術,于2060年實現碳中和,政策力度需要根據成本效益進行科學規劃。

3.3 進一步分析

不同研究對于區域城市化程度對碳排放的影響存在爭議[34-35]。部分學者認為,城市化是區域碳排放增加的積極因素,而另一部分學者則認為,城市化程度與碳排放量呈負相關。由于研究構建的6種情景均基于城市人口穩步提升,也即城市化程度逐漸提高,因此后者觀點與該研究結果不謀而合。這一差異可歸因于浙江省城市化的獨特特征。自浙江省部署并實施“發揮八個方面的優勢”以及“推進八個方面的舉措”(八八戰略)以來,進一步發揮其生態優勢和城鄉協調發展優勢,基于“緊湊型城市”發展理念,引領產業結構從第二產業向第三產業轉型,促進產業結構高級化。隨著浙江省城市化的穩步推進,非城市居民身份上轉變為城市居民的同時也實現了由原來從事能源密集型制造業向從事服務業等低能耗活動的轉變。城市化兼顧發展效益和環境效益,是社會經濟可持續發展的必然選擇,這解釋了浙江省新型城市化發展對碳排放的負向機制。但由表10中的回歸結果可知,人口因素作為影響碳排放的傳統要素,表現出總人口增長帶來碳排放增加的顯著趨勢。因此應提高非城市居民對低碳生活和綠色消費的認識,這對遏制碳排放具有重大意義。

已有研究表明,浙江省各排放部門中工業部門能源消耗比重較高[36],筆者研究結果與其一致。浙江省煤炭消費基數低、結構好、散煤少,主要能耗集中在工業發電方面。第四次工業革命的一個重要特征即綠色能源與信息化、網絡化、數字化和智能化的深度融合。浙江省作為數字經濟發展的“重要窗口”,應發揮本省數字化優勢,以數字化改革撬動全面深化改革,引領能源領域深層次系統性重塑,用數字化輕資產破解能源重資產傳輸時空損耗難題,優化能源消費結構和提升能效,推動浙江省工業從高碳化到低碳化發展、從有碳到無碳發展的重大轉型。

實現凈零碳排放,需大規模擴大電力使用,在盡可能多的經濟部門實現電氣化。浙江省新型城市化發展要求推動形成綠色低碳交通運輸體系,優化運輸結構、提高運輸組織效率,主要體現在以下兩點:一是實現公共交通的全面電氣化,實現公共交通清潔能源車輛全覆蓋,既能大幅度提高運輸量和運輸效率,又能做到零排放;二是普及城市軌道交通。浙江省努力打造省域“1小時左右交通圈”, 使居住區和其余區域之間的平均交通距離更短,從而減少交通領域碳排放;三是加大新能源汽車對傳統燃油車的替代效應,優化傳統模式,打造“綠色出行”低碳生活新模式。

在綠色建筑方面,浙江省城鎮綠色建筑面積占新建建筑面積比例較高,在推動城市化發展的同時重視綠色建筑標準的建設,其中城鎮綠色建筑中公共建筑占比更高[37],分析原因,主要是相關標準中明確規定公共建筑應按照二星級以上綠色建筑強制性標準進行建設。

3.4 模型方法及結果不確定性分析

研究采用STIRPAT模型和LEAP模型相結合,基于情景分析法以識別浙江省碳排放主要影響因素,預測未來的碳排放趨勢。而情景分析法是通過假設、模擬等手段生成未來情景,易受現有政策措施、技術水平等影響,從而對碳排放的影響因素考慮不全面,對浙江省如期甚至提前實現雙碳目標的支撐作用較弱。浙江省作為“綠水青山就是金山銀山”理念的發源地和率先實踐地,研究中的模型預測基于現有的低碳技術水平和政策文件,對于低碳技術發展與數字技術相結合導向的能效提升、可再生能源發展等的預判存在局限性。且隨著浙江省不斷推動綠色低碳技術轉化利用、通過數智控碳積極發展低碳能源,未來可能出現新的低碳技術和產業,這將極大影響碳排放的實際情況,可能造成碳排放量和碳達峰碳中和時間節點預測值與實際值存在一定偏差。政府對于低碳投資項目的調整也是一個不確定因素,未來浙江省政府加大對綠色低碳投資項目和協同技術應用的財政支持可能會導致對于碳排放控制目標和途徑的影響發生變化,從而影響目前模型的預測結果。在數據模擬方面,由于情景設置中化石能源消費及生產活動強度下降的時間節點大致相同,這取決于現有能源消耗趨勢預測的未來區域能源發展水平,且由于浙江省暫未出臺碳核算標準,核算間接碳排放時參考的地方標準并非浙江省的核算標準,因此在數值精準度方面有待提升,需要結合未來浙江省相關碳核算標準進一步進行統計。

4 結論與建議

4.1 結論

在溫室效應日趨嚴重的今天,綠色低碳可持續發展已成為國際社會廣泛共識。為如期甚至提早實現“雙碳”目標,中國各省域依照自身發展現狀制定碳減排路徑勢在必行。研究基于擴展的STIRPAT模型和LEAP- Zhejiang模型,以浙江省域為例,旨在分析節能減排政策對能源需求及碳排放的影響,充分挖掘節能減排的潛力,研究浙江省碳排放影響因素識別、排放趨勢、達峰時間和減排路徑,得出以下結論:

(1)基于擴展的STIRPAT模型研究顯示,環境污染治理投資、清潔能源消費比重增加和數字經濟發展可顯著促進浙江省碳減排,能源結構升級、能效提升和數字經濟深耕高碳排放產業是浙江省當前低碳轉型發展的重點動力。具體數值為相關變量比例每提升1%,碳排放總量分別減少0.772%、1.149%和0.809%。人均GDP對碳排放增長存在顯著促進作用,平衡經濟發展活力和降低碳排放的功能性協調是浙江省低碳綠色發展需要考慮的問題。

(2)采用LEAP-Zhejiang和STIRPAT模型對2015—2060年浙江省6種情景下碳排放進行預測。結果顯示,2類模型均表明僅CES和PES情景可于2030年前實現碳達峰,且碳排放總量達峰后呈下降趨勢,在探究實現雙碳路徑方面應綜合考慮多個減排部門而非單一部門。未來浙江省低碳轉型的重點應該首先放在電力部門,其次是工業、交通、商業、居民生活、住宅、農業等部門。

(3)浙江省減排路徑和政策的制定不僅與其產業結構密切相關,還受到進口電力中可再生能源比例的顯著影響?？紤]到碳泄漏和轉化成本問題,CES場景下的減排路徑很難迅速實現。浙江省應從PES情景開始,努力在2025年實現碳達峰。根據外購電力中可再生能源的比例,采取謹慎的碳中和路徑向CES情景的過渡,并通過各終端能源使用部門利用碳捕捉、碳封存等降碳技術,于2060年前實現碳中和。

4.2 建議

為促進浙江省“雙碳”目標如期甚至提前實現,主要建議如下:

(1)加大環境污染治理投資,增加清潔能源消費比重和數字經濟發展,推動能源結構升級、能效提升和數字經濟深耕高碳排放產業。在能源結構升級、能效提升和數字經濟深耕高碳排放產業方面加大投資力度,以作為低碳轉型的重點動力。政府可采取一系列激勵措施,例如提供優惠貸款、稅收減免等,鼓勵企業和個人投資環保領域、清潔能源領域和數字經濟領域。

(2)政府應制定綜合減排措施,可以通過制定差別化的碳減排政策來促進各部門的碳減排,同時加強能源轉型和技術創新,推動全社會實現低碳綠色發展。政府應該制定合理的產業政策,引導企業從高碳排放產業向低碳排放產業轉型。同時,還應該鼓勵低碳生活方式的普及。

(3)加大浙江省非化石能源發電的占比,鼓勵可再生能源的規?；投鄻踊褂?從供應側減少碳排放?？紤]到進口電力中可再生能源比例的顯著影響,浙江省應在電力采購方面增加可再生能源比例,減少對傳統化石能源的依賴。

(4)鼓勵各終端能源使用部門采用碳捕捉、碳封存等降碳技術,通過減少碳排放和增加碳儲存實現減排目標。浙江省政府可以加大對這些技術的研發和應用的支持力度,平衡經濟發展活力和降低碳排放的功能性協調,加強經濟發展與環境保護的協調管理,促進經濟社會可持續發展。

由于研究時間和數據的限制,研究存在以下3個不足之處,可進行進一步討論和研究:

(1)從科學性角度出發,研究對浙江省未來政策措施、技術水平等情景假設的理論基礎不足,隨著節能減排方案的不斷出臺,未來應更新相關政策場景。

(2)需要在未來研究中進一步考慮研究構建的6種情景所帶來的經濟成本,如電網升級、建筑翻新和維護,以及發電廠的容量儲備等。

(3)碳捕捉、碳封存和生態固碳等碳吸收技術的應用性有待進一步探索。